MATEMATIKA – FMIPA ITB

MA5262 Semester II 2023 - 2024

Komputasi Keuangan
 34
2 of 19

Perjalanan acak,
Distribusi Log-normal
& Model Pergerakan
Harga Saham
 34
3 of 19

Teorema Limit Pusat

Misalkan 𝑋𝑋1 , 𝑋𝑋2 , 𝑋𝑋3 , … adalah barisan peubah acak yang saling bebas dan berdistribusi identik,
masing-masing dengan mean 𝜇𝜇 dan variansi 𝜎𝜎 2
𝑋𝑋 +𝑋𝑋 +⋯+𝑋𝑋𝑛𝑛 −𝑛𝑛𝑛𝑛
Maka bila 𝑛𝑛 → ∞ peubah acak 1 2 akan berdistribusi normal baku, yaitu;
𝜎𝜎 𝑛𝑛

𝑎𝑎 𝑥𝑥 2
𝑋𝑋1 + 𝑋𝑋2 + ⋯ + 𝑋𝑋𝑛𝑛 − 𝑛𝑛𝑛𝑛 1 −
𝑃𝑃 < 𝑎𝑎 → � 𝑒𝑒 2 𝑑𝑑𝑑𝑑 bila 𝑛𝑛 → ∞
𝜎𝜎 𝑛𝑛 2𝜋𝜋 −∞
atau,
𝑋𝑋1 + 𝑋𝑋2 + ⋯ + 𝑋𝑋𝑛𝑛 − 𝑛𝑛𝑛𝑛
~𝑁𝑁 0,1 bila 𝑛𝑛 → ∞
𝜎𝜎 𝑛𝑛
Ilustrasi: Jika 𝑋𝑋 berdistribusi binomial dengan parameter 𝑛𝑛 dan 𝑝𝑝 , maka 𝑋𝑋 berdistribusi
seperti distribusi dari penjumlahan 𝑛𝑛 peubah acak Bernoulli masing-masing dengan
parameter 𝑝𝑝 , sehingga dengan teorema limit pusat diperoleh ;

𝑋𝑋 − 𝐸𝐸(𝑋𝑋) 𝑋𝑋 − 𝑛𝑛𝑛𝑛
= ~𝑁𝑁 0,1 bila 𝑛𝑛 → ∞
𝑉𝑉𝑉𝑉𝑉𝑉 𝑋𝑋 𝑛𝑛𝑛𝑛 1 − 𝑝𝑝
 4 of 19

Perjalanan Acak Simetri 1 Dimensi

Perhatikan suatu partikel bergerak sepanjang garis. Partikel tersebut berangkat dari titik 0
dan setiap satu satuan waktu partikel bergerak kekiri atau kekanan sejauh satu satuan jarak,
dengan peluang kekiri atau kekanan diberikan sebagai berikut,
1
𝑝𝑝𝑖𝑖,1+1 = = 𝑝𝑝𝑖𝑖,𝑖𝑖−1 𝑖𝑖 = 0, ±1, ±2 , …
2
Selanjutnya proses dipercepat dengan mengambil langkah yang semakin pendek dan juga
selang waktu yang semakin pendek. Untuk tiap satuan waktu ∆𝑡𝑡 melangkah kekiri atau
kekanan sejauh ∆𝑥𝑥 , dengan peluang yang sama besar.

Misalkan 𝑋𝑋(𝑡𝑡) posisi partikel pada saat 𝑡𝑡 dengan 𝑡𝑡 = 𝑛𝑛∆𝑡𝑡 (𝑛𝑛 = 0,1,2, … ), maka
𝑋𝑋 𝑡𝑡 = 0 + 𝑋𝑋1 ∆𝑥𝑥 + 𝑋𝑋2 ∆𝑥𝑥 + ⋯ + 𝑋𝑋𝑛𝑛 ∆𝑥𝑥
dengan
𝑋𝑋𝑖𝑖 = 1 bila langkah ke-𝑖𝑖, dengan panjang ∆𝑥𝑥 ke kanan
𝑋𝑋𝑖𝑖 = −1 bila langkah ke- 𝑖𝑖, dengan panjang ∆𝑥𝑥 ke kiri
1
𝑋𝑋𝑖𝑖 diasumsikan saling bebas dan 𝑝𝑝 𝑋𝑋𝑖𝑖 = 1 = = 𝑝𝑝(𝑋𝑋𝑖𝑖 = −1)
2
 5 of 19

Perhatikan bahwa 𝑋𝑋𝑖𝑖 merupakan peubah acak Bernoulli dengan,

1 1
𝐸𝐸 𝑋𝑋𝑖𝑖 = 1 . 𝑝𝑝 𝑋𝑋𝑖𝑖 = 1 + −1 . 𝑝𝑝 𝑋𝑋𝑖𝑖 = −1 = 1 . − 1 . = 0
2 2
𝑉𝑉𝑉𝑉𝑉𝑉 𝑋𝑋𝑖𝑖 = 𝐸𝐸 𝑋𝑋𝑖𝑖2 − 𝐸𝐸 𝑋𝑋𝑖𝑖 2 = 1 2 . 𝑝𝑝 𝑋𝑋𝑖𝑖 = 1 + −1 2 . 𝑝𝑝 𝑋𝑋𝑖𝑖 = −1 − 0 2
=1
Sehingga,
𝑛𝑛
𝐸𝐸 𝑋𝑋(𝑡𝑡) = 𝐸𝐸 0 + 𝑋𝑋1 ∆𝑥𝑥 + 𝑋𝑋2 ∆𝑥𝑥 + ⋯ + 𝑋𝑋𝑛𝑛 ∆𝑥𝑥 = ∆𝑥𝑥 � 𝐸𝐸 𝑋𝑋𝑖𝑖 = ∆𝑥𝑥 . 0 = 0
1

𝑉𝑉𝑉𝑉𝑉𝑉 𝑋𝑋(𝑡𝑡) = 𝑉𝑉𝑉𝑉𝑉𝑉[0 + 𝑋𝑋1 ∆𝑥𝑥 + 𝑋𝑋2 ∆𝑥𝑥 + ⋯ + 𝑋𝑋𝑛𝑛 ∆𝑥𝑥

𝑛𝑛
2
= ∆𝑥𝑥 � 𝑉𝑉𝑉𝑉𝑉𝑉 𝑋𝑋𝑖𝑖 = ∆𝑥𝑥 2 . 𝑛𝑛
1
𝑡𝑡
= ∆𝑥𝑥 2 .
∆𝑡𝑡

Selanjutnya kita akan membawa ∆𝑥𝑥 dan ∆𝑡𝑡 menuju 0 .

Diusahakan agar proses pengambilan limit tersebut tidak menghasilkan hasil yang trivial
 6 of 19

Misalkan diambil ∆x = ∆𝑡𝑡 dan ∆𝑡𝑡 → 0, maka akan didapat 𝐸𝐸[𝑋𝑋(𝑡𝑡)] dan 𝑉𝑉𝑉𝑉𝑉𝑉[𝑋𝑋(𝑡𝑡)] keduanya
menuju 0 , sehingga 𝑋𝑋(𝑡𝑡) akan sama dengan 0 dengan peluang 1.
𝑡𝑡
Jika dipilih ∆𝑥𝑥 = ∆𝑡𝑡 𝑘𝑘
untuk suatu 𝑘𝑘 maka ∆𝑥𝑥 2 . = ∆𝑡𝑡 2𝑘𝑘−1
. 𝑡𝑡
∆𝑡𝑡
1
Untuk 𝑘𝑘 > maka 𝑉𝑉𝑉𝑉𝑉𝑉 𝑋𝑋 𝑡𝑡 = 0 bila ∆𝑡𝑡 → 0
2
1
Untuk 𝑘𝑘 < maka 𝑉𝑉𝑉𝑉𝑉𝑉 𝑋𝑋 𝑡𝑡 =∞
2
Sehingga agar diperoleh nilai 𝑉𝑉𝑉𝑉𝑉𝑉[𝑋𝑋(𝑡𝑡)] yang hingga tetapi tidak sama dengan 0, maka dipilih
∆𝑥𝑥 = ∆𝑡𝑡 , yang memberikan 𝑉𝑉𝑉𝑉𝑉𝑉[𝑋𝑋(𝑡𝑡)] = 𝑡𝑡 untuk ∆𝑡𝑡 → 0 .
Selanjutnya dengan mengambil bentuk yang lebih umum, yaitu ∆𝑥𝑥 = 𝜎𝜎 ∆𝑡𝑡 dengan 𝜎𝜎 > 0
suatu konstanta (sering disebut sebagai volatilitas), diperoleh 𝑉𝑉𝑎𝑎𝑎𝑎[𝑋𝑋(𝑡𝑡)] = 𝜎𝜎 2 𝑡𝑡 untuk ∆𝑡𝑡 → 0
𝑋𝑋 𝑡𝑡 −𝐸𝐸[𝑋𝑋 𝑡𝑡 ]
Berdasarkan Teorema Limit Pusat, bentuk dengan pemilihan ∆𝑥𝑥 = 𝜎𝜎 ∆𝑡𝑡 untuk ∆𝑡𝑡 →
𝑉𝑉𝑉𝑉𝑉𝑉 𝑋𝑋 𝑡𝑡
0 akan berdistribusi normal baku yaitu 𝑁𝑁(0,1) atau dengan mengingat bahwa 𝐸𝐸 𝑋𝑋 𝑡𝑡 = 0 dan
𝑋𝑋 𝑡𝑡
𝑉𝑉𝑉𝑉𝑉𝑉 𝑋𝑋 𝑡𝑡 = 𝜎𝜎 2 𝑡𝑡 diperoleh ~𝑁𝑁(0,1) sehingga 𝑋𝑋(𝑡𝑡)~𝑁𝑁(0, 𝜎𝜎 2 𝑡𝑡)
𝜎𝜎 2 𝑡𝑡

Perhatikan bahwa karena 𝑉𝑉𝑉𝑉𝑉𝑉 𝑋𝑋 𝑡𝑡 = 𝜎𝜎 2 𝑡𝑡 maka ‘prediksi’ posisi partikel untuk nilai 𝑡𝑡 yang besar
akan semakin kurang akurat
 7 of 19

Sementara itu informasi yang lebih menarik dapat kita peroleh jika kita buat plot posisi
partikel X(t) sebagai fungsi dari 𝑡𝑡. Akan diperoleh lintasan partikel dalam bentuk lintasan
zigzag dengan menjalankan program berikut.
%
% Simulasi Perjalanan Acak Simetri Vertikal 1 Dimensi
clc
clear
n = 500 ; % banyaknya langkah
sigma = 1.5 ; % volatilitas
T = 3 ; % total waktu
dt = T/n ; % delta t
dx = sigma*sqrt(dt) ; % delta x
t_i =linspace(0, T, n+1) ; % diskritisasi dari t
figure(1)
X_i = 2*(rand(1,n) < 0.5) - 1 ; % nilai x_i adalah 1 atau -1
X = dx*cumsum( X_i ) ;
% Menggambar lintasan partikel
plot(t_i , [ 0 , X ])
grid on
title('Simulasi Perjalanan Acak Vertikal Simetri 1 dimensi')
xlabel('t')
ylabel('X(t) : posisi partikel')
8 of 19
 9 of 19

Peubah Acak Lognormal

Peubah acak 𝑋𝑋 disebut suatu peubah acak lognormal dengan parameter-parameter µ dan 𝜎𝜎
bila 𝑌𝑌 = ln 𝑋𝑋 merupakan suatu peubah acak yang berdistribusi normal dengan ekspektasi µ
dan variansi 𝜎𝜎. Dalam kaitan dengan peubah acak lognormal, parameter-parameter µ dan 𝜎𝜎
sering disebut sebagai drift dan volatilitas.
Peubah acak lognormal merupakan suatu peubah acak kontinu dengan daerah definisi pada
selang (0, ∞). Untuk peubah acak normal 𝑌𝑌 dengan ekspektasi µ dan variansi 𝜎𝜎 2 diperoleh,
𝑦𝑦
1 − 𝑡𝑡−𝜇𝜇 2
𝑃𝑃 𝑌𝑌 < 𝑦𝑦 = � 𝑒𝑒 2𝜎𝜎2 𝑑𝑑𝑑𝑑
𝜎𝜎 2𝜋𝜋
−∞
Dengan subtitusi 𝑡𝑡 = ln 𝑢𝑢, diperoleh
𝑒𝑒 𝑦𝑦
1 − ln 𝑢𝑢−𝜇𝜇 2
𝑃𝑃 ln 𝑋𝑋 < 𝑦𝑦 = � 𝑒𝑒 2𝜎𝜎2 𝑑𝑑𝑢𝑢
𝜎𝜎 2𝜋𝜋
0
= 𝑃𝑃(𝑋𝑋 < 𝑒𝑒 𝑦𝑦 )
 10 of 19

Dengan demikian suatu peubah acak lognormal dengan parameter-parameter µ dan 𝜎𝜎

memiliki fungsi padat peluang sebagai berikut,

1 − ln 𝑢𝑢−𝜇𝜇 2
𝑓𝑓 𝑥𝑥 = 𝑒𝑒 2𝜎𝜎2 (0 < 𝑥𝑥 < ∞)
𝜎𝜎 2𝜋𝜋 𝑥𝑥
Sehingga peluang peubah acak lognormal 𝑋𝑋 bernilai lebih kecil dari 𝑦𝑦 > 0 diberikan oleh

𝑦𝑦
1
1 − ln 𝑥𝑥−𝜇𝜇 2
𝑃𝑃 𝑋𝑋 < 𝑦𝑦 = � 𝑒𝑒 2𝜎𝜎 2 𝑑𝑑𝑥𝑥
𝜎𝜎 2𝜋𝜋 𝑥𝑥
0
 11 of 19

Lemma :
Jika 𝑋𝑋 suatu peubah acak lognormal dengan parameter 𝜇𝜇 dan 𝜎𝜎 maka,
𝜇𝜇+𝜎𝜎 2 2 2
𝐸𝐸 𝑋𝑋 = 𝑒𝑒 2 𝑑𝑑𝑑𝑑𝑑𝑑 𝑉𝑉𝑉𝑉𝑉𝑉 𝑋𝑋 = 𝑒𝑒 2𝜇𝜇+𝜎𝜎 𝑒𝑒 𝜎𝜎 − 1

Bukti:
Karena 𝑋𝑋 suatu peubah acak lognormal, maka 𝑌𝑌 = ln 𝑋𝑋 merupakan peubah acak berdistribusi
normal dengan 𝐸𝐸(𝑌𝑌) = 𝜇𝜇 dan 𝑉𝑉𝑉𝑉𝑉𝑉(𝑌𝑌) = 𝜎𝜎 2 sehingga,
∞
1 𝑦𝑦−𝜇𝜇 2
𝑦𝑦
𝐸𝐸 𝑋𝑋 = � 𝑒𝑒 𝑒𝑒 2𝜎𝜎 2 𝑑𝑑𝑑𝑑
𝜎𝜎 2𝜋𝜋
−∞
∞ 2
𝑦𝑦− 𝜇𝜇+𝜎𝜎 2 𝜎𝜎 2
1 − 𝜇𝜇+
= � 𝑒𝑒 2𝜎𝜎 2 𝑒𝑒 2 𝑑𝑑𝑑𝑑
𝜎𝜎 2𝜋𝜋
−∞
∞ 2
𝜎𝜎 2 𝑦𝑦− 𝜇𝜇+𝜎𝜎 2 𝜎𝜎 2
𝜇𝜇+ 1 − 𝜇𝜇+
= 𝑒𝑒 2 � 𝑒𝑒 2𝜎𝜎 2 𝑑𝑑𝑑𝑑 = 𝑒𝑒 2
𝜎𝜎 2𝜋𝜋
−∞
 12 of 19
2
𝑦𝑦− 𝜇𝜇+𝜎𝜎2
1 ∞ −
Karena integral ∫ 𝑒𝑒 2𝜎𝜎2 𝑑𝑑𝑑𝑑 = 1 yang merepresentasikan luas daerah dibawah
𝜎𝜎 2𝜋𝜋 −∞

kurva distribusi normal dengan ekspektasi 𝜇𝜇 + 𝜎𝜎 2 dan variansi 𝜎𝜎 2 , selanjutya

2
𝑉𝑉𝑉𝑉𝑉𝑉 𝑋𝑋 = 𝐸𝐸 𝑋𝑋 2 − 𝐸𝐸 𝑋𝑋
∞ 2
1 𝑦𝑦−𝜇𝜇 2 𝜎𝜎 2
2𝑦𝑦 − 2𝜎𝜎 2 𝜇𝜇+
= � 𝑒𝑒 𝑒𝑒 𝑑𝑑𝑑𝑑 − 𝑒𝑒 2
𝜎𝜎 2𝜋𝜋
−∞
∞ 2
1 − 𝑦𝑦− 𝜇𝜇+2𝜎𝜎
2 2
= � 𝑒𝑒 2𝜎𝜎 2 𝑒𝑒 2(𝜇𝜇+𝜎𝜎 ) 𝑑𝑑𝑑𝑑 − 𝑒𝑒 2𝜇𝜇+𝜎𝜎
𝜎𝜎 2𝜋𝜋
−∞
∞ 2
1 − 𝑦𝑦− 𝜇𝜇+2𝜎𝜎
2) 2
= 𝑒𝑒 2(𝜇𝜇+𝜎𝜎 � 𝑒𝑒 2𝜎𝜎 2 𝑑𝑑𝑑𝑑 − 𝑒𝑒 2𝜇𝜇+𝜎𝜎
𝜎𝜎 2𝜋𝜋
−∞
𝜇𝜇+𝜎𝜎 2 2 2 2
= 𝑒𝑒 2 − 𝑒𝑒 2𝜇𝜇+𝜎𝜎 = 𝑒𝑒 2𝜇𝜇+𝜎𝜎 𝑒𝑒 𝜎𝜎 − 1
 13 of 19

Grafik FPP peubah acak lognormal % Plot Fungsi padat peluang distribusi Log Normal
dengan parameter-parameter 𝜇𝜇 %
clc ; clf ;
dan 𝜎𝜎
x = linspace(0.01,4,500);
1 − ln 𝑢𝑢−𝜇𝜇 2
𝑓𝑓 𝑥𝑥 = 𝑒𝑒 2𝜎𝜎2 mu = 0.05 ;
𝜎𝜎 2𝜋𝜋 𝑥𝑥
sigma = 0.3;
a = ((log(x)- mu).^2)/(2*sigma^2);
(0 < 𝑥𝑥 < ∞) b = x*sigma*sqrt(2*pi);
y1 = exp(-a)./b;
plot(x,y1,'r-')
ylim([0 1.5])
hold on

sigma = 0.5;
a = ((log(x)- mu).^2)/(2*sigma^2);
b = x*sigma*sqrt(2*pi);
y2 = exp(-a)./b;
plot(x,y2,'b:')

legend('\sigma = 0.3', '\sigma = 0.5', 1)

title('Grafik Fungsi Padat Peluang Log Normal , \mu = 0.05')
xlabel('x')
ylabel('f(x)', 'rotation’, 0)
14 of 19
 15 of 19

Pemanfaatan Pada Model Harga Saham

Jika 𝑆𝑆(𝑡𝑡) menyatakan harga saham pada saat 𝑡𝑡, maka telah diperoleh bahwa
𝑆𝑆 𝑡𝑡 1
ln ~𝑁𝑁 𝜇𝜇 − 𝜎𝜎 2 𝑡𝑡, 𝜎𝜎 2 𝑡𝑡
𝑆𝑆 0 2
𝑆𝑆 𝑡𝑡
Yang menunjukkan bahwa ln , yaitu return (kontinu) harga saham pada saat 𝑡𝑡 berdistribusi
𝑆𝑆 0
1
normal dengan mean 𝜇𝜇� = 𝜇𝜇 − 𝜎𝜎 2 𝑡𝑡 dan variansi 𝜎𝜎� = 𝜎𝜎 2 𝑡𝑡. Dari hubungan tersebut dapat
2
dinyatakan pula bahwa,
𝑆𝑆 𝑡𝑡 1
ln = 𝜇𝜇� + 𝜎𝜎� 𝑍𝑍 = 𝜇𝜇 − 𝜎𝜎 2 𝑡𝑡 + 𝜎𝜎 𝑡𝑡 𝑍𝑍 dengan 𝑍𝑍~𝑁𝑁(0,1)
𝑆𝑆 0 2
Dengan demikian diperoleh formula harga saham pada saat 𝑡𝑡, sebagai berikut;

1
𝜇𝜇− 𝜎𝜎 2 𝑡𝑡+𝜎𝜎 𝑡𝑡 𝑍𝑍
𝑆𝑆 𝑡𝑡 = 𝑆𝑆 0 𝑒𝑒 2 dengan 𝑍𝑍~𝑁𝑁(0,1)
 16 of 19

Sehingga dari bahasan tentang distibusi lognormal diatas, kita peroleh bahwa return
𝑆𝑆 𝑡𝑡
(kontinu) harga saham pada saat 𝑡𝑡, yaitu ln berdistribusi normal dengan,
𝑆𝑆 0
1
• Ekspektasi 𝜇𝜇� = 𝜇𝜇 − 𝜎𝜎 2 𝑡𝑡
2
• Variansi �𝜎𝜎 = 𝜎𝜎 𝑡𝑡
2

Sementara itu harga saham sendiri, yaitu 𝑆𝑆 𝑡𝑡 , berdistribusi lognormal dengan paramerter
1
• Drift 𝜇𝜇� = 𝜇𝜇 − 𝜎𝜎 2 𝑡𝑡
2
• Volatilitas �𝜎𝜎 = 𝜎𝜎 𝑡𝑡

Selanjutnya ekspresi untuk ekspektasi, momen orde dua dan variansi dari 𝑆𝑆(𝑡𝑡) dapat
diperoleh dengan bantuan lemma di atas,
𝑆𝑆 𝑡𝑡 1 𝜎𝜎 2 𝑡𝑡
� + �𝜎𝜎 2
𝜇𝜇 𝜇𝜇− 𝜎𝜎 2 𝑡𝑡+
𝐸𝐸 = 𝑒𝑒 = 𝑒𝑒 2 2 = 𝑒𝑒 𝜇𝜇𝜇𝜇
𝑆𝑆 0
𝑆𝑆 𝑡𝑡 2 2
1
2 𝜇𝜇− 𝜎𝜎 2 𝑡𝑡+𝜎𝜎 2 𝑡𝑡 𝜎𝜎 2𝑡𝑡 2𝑡𝑡
𝑉𝑉𝑉𝑉𝑉𝑉 = 𝑒𝑒 2�𝜇𝜇+ �𝜎𝜎 𝑒𝑒 �𝜎𝜎 − 1 = 𝑒𝑒 2 𝑒𝑒 − 1 = 𝑒𝑒 2𝜇𝜇𝜇𝜇 𝑒𝑒 𝜎𝜎 − 1
𝑆𝑆 0
2 2
𝑆𝑆 𝑡𝑡 𝑆𝑆 𝑡𝑡 𝑆𝑆 𝑡𝑡 2𝑡𝑡 2
𝐸𝐸 = 𝑉𝑉𝑉𝑉𝑉𝑉 + 𝐸𝐸 = 𝑒𝑒 2𝜇𝜇𝜇𝜇 𝑒𝑒 𝜎𝜎 − 1 + 𝑒𝑒 𝜇𝜇𝜇𝜇 2 = 𝑒𝑒 2𝜇𝜇+𝜎𝜎 𝑡𝑡
𝑆𝑆 0 𝑆𝑆 0 𝑆𝑆 0
 17 of 19

Yang memberikan,

𝐸𝐸 𝑆𝑆 𝑡𝑡 = 𝑆𝑆 0 𝑒𝑒 𝜇𝜇𝜇𝜇
2 2 2𝜇𝜇+𝜎𝜎 2 𝑡𝑡
𝐸𝐸 𝑆𝑆 𝑡𝑡 = 𝑆𝑆 0 𝑒𝑒
2 2 𝑡𝑡
𝑉𝑉𝑉𝑉𝑉𝑉 𝑆𝑆 𝑡𝑡 = 𝑆𝑆 0 𝑒𝑒 2𝜇𝜇𝜇𝜇 𝑒𝑒 𝜎𝜎 −1
 18 of 19

Simulasi lintasan pergerakan harga saham

Berikut suatu kode program MATLAB untuk simulasi model pergerakan harga saham yang berdistribusi
lognormal.
% Simulasi lintasan gerak harga saham
% Plot lintasan harga-harga saham dengan model lognormal
% (formulasi diskrit)
clc ; clf ;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%S = 1; mu = 0.05; sigma = 0.3; L = 252; T = 1; dt = T/L; M = 1;
S = 6987; mu = 0.3; sigma = 0.3; L = 252; T = 1; dt = T/L; M = 1;
%S = 6987; mu = 0.3; sigma = 0.3; L = 252; T = 1; dt = T/L; M = 3;
%S = 6987; mu = 0.3; sigma = 0.8; L = 252; T = 1; dt = T/L; M = 50;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
t_waktu = [0:dt:T];
S_hargasaham = S*cumprod(exp((mu-0.5*sigma^2)*dt + sigma*sqrt(dt)*randn(M,L)),2);
S_hargasaham = [S*ones(M,1) S_hargasaham]; % menambahkan harga saham awal
figure(1)
plot(t_waktu,S_hargasaham)
title('Simulasi 1 lintasan harga saham')
%title('Simulasi 3 lintasan harga saham')
%title('Simulasi 50 lintasan harga saham')
gtext ('\mu = 0.3, \sigma = 0.3, T = 1, S_0 = 6987, L = 252')
grid on
xlabel('t'), ylabel('S(t)')
19 of 19